研究表明人工智能可以快速準(zhǔn)確地分析心臟掃描結(jié)果

人工智能已經(jīng)影響到你生活的無(wú)數(shù)領(lǐng)域，從你的工作到你的醫(yī)療保健。新的研究表明，它很快就可以用來(lái)分析你的心臟。

人工智能將很快被用于分析你的心臟。

周三發(fā)表的一項(xiàng)研究發(fā)現(xiàn)，在對(duì)超聲掃描顯示的心臟解剖結(jié)構(gòu)進(jìn)行分類(lèi)時(shí)，先進(jìn)的機(jī)器學(xué)習(xí)比獲得國(guó)際認(rèn)證的超聲心動(dòng)圖醫(yī)師更快、更準(zhǔn)確、更有效。這項(xiàng)研究是由來(lái)自加州大學(xué)舊金山分校、加州大學(xué)伯克利分校和貝斯以色列女執(zhí)事醫(yī)療中心的研究人員進(jìn)行的。

研究人員訓(xùn)練了一臺(tái)計(jì)算機(jī)來(lái)評(píng)估最常見(jiàn)的超聲心動(dòng)圖(echo)視圖，使用了超過(guò)180,000張回波圖像。然后，他們?cè)谛碌臉悠飞蠝y(cè)試了電腦和人類(lèi)技術(shù)人員。在評(píng)估回聲視頻時(shí)，計(jì)算機(jī)的準(zhǔn)確率為91.7%至97.8%，而人類(lèi)的準(zhǔn)確率只有70.2%至83.5%。

“這為全面分析超聲心動(dòng)圖提供了一個(gè)基礎(chǔ)步驟，”UCSF醫(yī)學(xué)中心心臟病學(xué)家、UCSF醫(yī)學(xué)院助理教授Rima Arnaout博士說(shuō)。

解釋超聲心動(dòng)圖可能很復(fù)雜。它們包括幾段視頻剪輯、靜態(tài)圖像和從十幾次觀看中獲得的心臟記錄。某些觀點(diǎn)之間可能只有細(xì)微的差異，這使得人們很難提供準(zhǔn)確和標(biāo)準(zhǔn)化的分析。

人工智能可以提供更多有用的結(jié)果。研究表明，深度學(xué)習(xí)已被證明在學(xué)習(xí)圖像模式方面非常成功，是一種有前途的工具，可以幫助專(zhuān)家在放射學(xué)、病理學(xué)和皮膚病學(xué)等領(lǐng)域進(jìn)行基于圖像的診斷。人工智能還被用于醫(yī)學(xué)的其他幾個(gè)領(lǐng)域，從使用眼睛掃描預(yù)測(cè)心臟病風(fēng)險(xiǎn)到幫助住院病人。在去年發(fā)表的一項(xiàng)研究中，斯坦福大學(xué)(Stanford)的研究人員能夠訓(xùn)練一種深度學(xué)習(xí)算法來(lái)診斷皮膚癌。

但是Arnaout說(shuō)，超聲心動(dòng)圖是不同的。在識(shí)別皮膚癌時(shí)，“一顆皮膚痣等于一張靜止圖像，而心臟超聲卻不是這樣?！睂?duì)于心臟超聲，一個(gè)心臟相當(dāng)于許多視頻，許多靜態(tài)圖像和至少四個(gè)不同角度的不同類(lèi)型的記錄，”她說(shuō)。“你不可能一步就從心臟超聲波診斷出來(lái)。你必須一步一步地解決這個(gè)診斷問(wèn)題?！边@種復(fù)雜性是人工智能尚未廣泛應(yīng)用于超聲心動(dòng)圖的部分原因。

該研究使用了超過(guò)22.3萬(wàn)張隨機(jī)選擇的回聲圖像，這些圖像來(lái)自于加州大學(xué)舊金山分校醫(yī)學(xué)中心267名年齡在20歲到96歲之間的患者，收集于2000年到2017年之間。研究人員建立了一個(gè)多層神經(jīng)網(wǎng)絡(luò)，并使用監(jiān)督學(xué)習(xí)對(duì)15個(gè)標(biāo)準(zhǔn)視圖進(jìn)行分類(lèi)。80%的圖像是隨機(jī)選擇的，用于培訓(xùn)，而20%的圖像是保留的，用于驗(yàn)證和測(cè)試。委員會(huì)認(rèn)證的超聲心動(dòng)圖專(zhuān)家們隨機(jī)選擇了1500幅圖像——每種圖像各100幅——這些圖像來(lái)自于給該模型的相同測(cè)試集。

計(jì)算機(jī)從12個(gè)視頻中對(duì)圖像進(jìn)行分類(lèi)，準(zhǔn)確率為97.8%。單幅低分辨率圖像的準(zhǔn)確率為91.7%。另一方面，人類(lèi)的準(zhǔn)確率為70.2%到83.5%。

阿爾諾特說(shuō)，卷積神經(jīng)網(wǎng)絡(luò)最大的缺點(diǎn)之一就是需要大量的訓(xùn)練數(shù)據(jù)。

她說(shuō):“當(dāng)你在網(wǎng)上看貓咪視頻之類(lèi)的東西時(shí)，這很好，因?yàn)榫W(wǎng)上有很多這樣的視頻?！薄暗卺t(yī)學(xué)領(lǐng)域，將會(huì)出現(xiàn)這樣的情況，即不會(huì)有很多人患有這種疾病，也不會(huì)有很多人的心臟有這種特殊的結(jié)構(gòu)或問(wèn)題。所以我們需要找到使用更小的數(shù)據(jù)集學(xué)習(xí)的方法?！?/p>

她說(shuō)，研究人員能夠用不到1%的數(shù)據(jù)建立視圖分類(lèi)。

在人工智能成為臨床應(yīng)用的中心階段之前，還有很長(zhǎng)的路要走，還有很多研究要做。

“這是第一步，”阿諾特說(shuō)?！斑@不是你的醫(yī)生所做的全面診斷。但令人鼓舞的是，我們能夠用最少的數(shù)據(jù)實(shí)現(xiàn)基本的一步，這樣我們就可以進(jìn)入下一步?！?/p>

最聰明的東西:革新者想出新方法讓你和你周?chē)氖挛锔斆鳌?/p>